Linux 从Ant-tar任务打包的.tar.gz中提取时包含非拉丁字符的文件名的编码

我正在使用Ant构建tar.gz存档：

<tar destfile="${linux86.zip.file}" compression="gzip" longfile="gnu">
    <tarfileset dir="${work.dir}/data" dirmode="755" filemode="755"  
                prefix="${app.folder}/data"/>
</tar>

存档是建立在Windows上的。在Ubuntu上解压后，12个文件名中包含非拉丁字符（例如西里尔字母）的文件名被破坏

---

有没有办法解决这个问题？

没有。Tar归档文件只支持ascii文件名。请参见以下问题：。我认为你需要另一种形式或工具，更现代的设计

---

请注意，有

编码
属性，也许这种格式可以工作？
我在Ant的开发者邮件列表（，）和ASF Bugzilla（，）中找到了一些有趣的信息。这一问题由来已久，众所周知，主要由于意识形态原因尚未得到解决，因为并非所有联塔权力机构的执行都支持这一点

Bugzilla发行版中提到的补丁已在修订版中应用。tar中的条目名有一个名为encoding的构造函数：

public TarOutputStream(OutputStream os, String encoding) { ... }

但它从未用于Tar任务。因此，我在Tar任务中创建了一个编码属性，从修改过的源代码中重建了Ant，并使用UTF-8作为条目名称的编码

在Ubuntu11/12和Mandriva下进行了提取测试。
我找到了解决方案，非常感谢Jarekczek，但我没有正确地解码名称。我修复了脚本，如下所示：

#!/usr/bin/env python

# Huge thanks to https://superuser.com/questions/60379/how-can-i-create-a-zip-tgz-in-linux-such-that-windows-has-proper-filenames#190786
# and http://stackoverflow.com/questions/12456560/encoding-of-filenames-containing-non-latin-characters-while-extracting-from-tar
import tarfile
import codecs
import sys

def recover(name):
    return codecs.decode(name, 'cp1251')

for tar_filename in sys.argv[1:]:
    tar = tarfile.open(name=tar_filename, mode='r', bufsize=16*1024)
    updated = []
    for m in tar.getmembers():
        m.name = recover(m.name)
        updated.append(m)
    tar.extractall(members=updated)
    tar.close()

我所做的是使用Python的标准库编解码器和命令行界面将Windows中的名称解码为utf，以向其提供归档文件的名称。
我们使用tar/gzip来保存权限。不幸的是，我不能按照你的建议使用zip。我明白了。如果值得的话，你可以分析Ubuntu上创建的tar的内容。然后编写一个程序来编辑Windows tar，并将文件名转换为适合Ubuntu的格式。或者开发自定义untar任务来进行文件名转换。Tar格式的文档链接自我上面链接的答案。有人用Python做了类似的事情：我很高兴你找到了解决方案。我想发布更多信息，但你更快了。无论如何，这里有另一个与您的问题相关的bug条目。如果我读得正确，Ant1.9中可能有某种编码支持，由
longfile=“posix”
触发。